AI概念股暴涨2300%后炮轰大模型实为行业泔水
5月18日，一份亮眼的财报将Palantir再次推至聚光灯下。这家美国大数据分析和软件公司在2026年第一季度交出了营收同比增长85%至16.3亿美元、净利润同比暴涨307%至8.7亿美元的成绩单，双双创下历史新高。
然而，颇具戏剧性的一幕发生在随后的财报电话会议上。公司高管们轮番上阵，竟先后17次用同一个词——“slop”（泔水）——来形容当下拉动其业绩增长的AI模型。他们直言，主流AI模型产出的内容过于杂乱，难以满足大型企业对可靠性的严苛标准。
▲Palantir 2026年Q1财报（图源：Palantir官网）
谈及那些四处试用AI技术的企业，联合创始人兼CEO Alex Karp的言论更是毫不客气：“他们尽可以去试水这些‘泔水’。最终大多数还是会回归Palantir。”
▲Alex Karp（图源：维基百科）
一边是AI业务带来的营收与利润狂飙，另一边却是对AI技术本身的公开鄙夷。这家市值超过3200亿美元的公司，究竟在下一盘怎样的棋？
一、CIA为政府业务背书，政商人脉网络助推Palantir深耕美国政务市场
要理解Palantir的矛盾态度，得从其出身说起。这家通常被认为成立于2004年的公司，实际上在2003年就已创立，并且是不折不扣的“政府业务专家”。根据英国《金融时报》的数据，从2009年起的16年间，Palantir已从美国政府手中拿下超过27亿美元的合同，其中仅五角大楼的合同金额就超过13亿美元。
这种深厚的政府渊源，可以追溯到2001年的9·11事件。那场悲剧暴露了美国情报体系数据割裂、信息孤岛的致命弱点。各部门急需能够融合数据、进行关联分析和网络溯源的工具，但当时硅谷的主流科技公司大多对此类涉密业务敬而远之。
这一市场空白，被PayPal联合创始人、著名投资人Peter Thiel敏锐地捕捉到。他设想，PayPal用于防范金融欺诈的技术模式，完全可以拓展到国家安全领域。2002年PayPal被收购后，Thiel便投入约3000万美元作为启动资金，将这一构想变为现实，Palantir由此诞生。
▲Peter Thiel（图源：维基百科）
真正的转折点发生在2004年。美国中央情报局（CIA）旗下的风投机构In-Q-Tel向Palantir的A轮融资注资200万美元。这笔钱带来的不仅是资金，更是首批真实用户——CIA情报分析局的分析师们。合作初期，Palantir的工程师每两周就携带迭代产品前往华盛顿，与分析师面对面沟通需求。这种“前置部署工程师”的模式，后来成了Palantir的独门绝技，也为其赢得了极高的信任。
2011年，美军击毙本·拉登的行动被广泛认为有Palantir技术的参与，这无疑为其政府业务提供了最强有力的背书。此外，Thiel本人与政界的紧密联系也为公司铺平了道路。作为特朗普的核心支持者，他在2016年大选中曾为其站台并捐赠资金。有报道称，2024年美国大选后，特朗普过渡团队与Palantir人士的接触明显增加。更有数据显示，至少有六人在Palantir与五角大楼负责AI和数据采购的核心部门之间双向流动任职。这张紧密的政商人脉网络，让Palantir在国防项目的竞争中占据了得天独厚的位置。
二、拥有Gotham、Foundry与AIP三大产品体系，长周期合同筑牢高粘性商业模式
经过多年发展，Palantir构建了清晰的产品矩阵：面向政府、国防及情报机构的Gotham平台，服务金融、医疗等大型企业的Foundry平台，以及2023年推出的、为前两者注入生成式AI能力的AIP平台。
支撑这三大产品的，是两个核心底层支柱：Apollo全域运维底座和Ontology企业统一数据语义框架。简单来说，Apollo负责所有产品的部署、运维和安全管控，而Ontology则像企业的“数字孪生”，将杂乱的数据和业务逻辑统一成机器能理解的语言。
▲Apollo构建企业操作系统原理图（图左）和Ontology工作原理示意图（图右）（图源：Palantir官网）
ChatGPT的横空出世，为Palantir带来了新的增长引擎。2023年推出的AIP平台，允许企业安全地接入各类大模型，并用低代码方式构建自己的AI应用。这直接引爆了其商业客户的数量和收入，并帮助公司在2023年首次实现全年盈利，此后利润连年大幅增长。
▲AIP的技术架构总图（图源：Palantir官网）
但值得注意的是，Palantir本质上并非一家AI模型公司。它不自研底层大模型，而是利用AIP平台接入别家的模型，以此增强自身软件的性能。它的核心竞争力在于其独特的商业模式：重交付、深绑定。政府业务合同往往长达5到10年，客户续约率长期高于90%。这种深度嵌入客户业务流程的模式，带来了极高的迁移成本和客户粘性，也支撑了其常年较高的毛利率。
三、Karp曾视AI为“广告工具”，大模型已能复刻Palantir大部分核心功能
尽管凭借AIP乘风而起，Palantir面临的暗流却愈发汹涌。AI行业的格局正在快速重塑，而Palantir依靠长期合同建立起的壁垒，正遭遇来自模型厂商的直接挑战。
据《华尔街日报》报道，业内专家估算，当前的大语言模型已经能够复刻Palantir处理海量数据、挖掘信息的大部分核心功能。更值得关注的是，OpenAI正在搭建自己的数据连通与处理平台，其团队成员中不乏Palantir的前员工。Anthropic和OpenAI不仅估值已超越Palantir，甚至还效仿了其“前置部署工程师”的独家服务模式。
对此，Palantir首席技术官Shyam Sankar在近期采访中作出了隐晦回击，称这些AI实验室正在刻意模仿Palantir。他同时强调，模型变得更先进、更廉价，对Palantir而言反而是好事，因为这些实验室是“供应链”，而非竞争对手。
在政府业务方面，Palantir的先发优势和深厚人脉依然坚固。有角逐国防部订单的企业甚至表示，Palantir实际上已成为行业准入的“把关者”。然而，变化也在发生。美国国防部正有意降低对单一供应商的依赖，作战场景的下沉催生了一批国防AI初创公司。有行业人士指出，未来十年，军事领域可能需要大量能够脱离Palantir体系的AI解决方案。
回过头看，Palantir高管今日对AI的公开批评，其思想根源或许早已埋下。十年前，CEO Alex Karp曾认为AI顶多算个“广告定向投放工具”，并以其在国际象棋中败给人类的案例来告诫员工。知情人士透露，直到ChatGPT推出前，Palantir都长期回避AI领域。甚至有报道称，2023年Karp宣布研发AI产品时，内部的工程师团队尚未启动任何相关工作。
这种矛盾心态也蔓延至公司内部。一部分员工坚信，大模型只是“半成品”，离不开Palantir的数据整合与业务部署能力；另一部分则担忧，随着模型能力不断增强，未来它们或许能绕过Palantir，直接完成所有工作。
市场的担忧直接反映在股价上。今年以来，Palantir股价已累计下跌近20%。正如一位资本市场主管所言：“市场的争议不在于它的增长空间，而在于它究竟是AI技术栈中不可或缺的关键层级，还是仅仅包裹在日渐廉价的AI模型外层的一层昂贵包装。”
结语：大模型自主化提速，中间平台服务商承压
当下的Palantir，身处一个微妙的十字路口。AI是推动其业绩与股价飙升的核心引擎，也是其高管公开批评的对象，同时更可能是威胁其未来生存空间的最大变量。
尽管财报数字光鲜，政府业务地位稳固，但通用大模型的快速进化与头部AI企业的强势入局，正在不断试探其商业模式的边界。本质上，Palantir扮演的是“AI模型优化中间商”的角色。当模型本身变得足够强大、廉价和易用时，这家以高价软件和深度服务著称的公司，其不可替代性正面临严峻拷问。
市场看空的逻辑并非否定其当下的成功，而是对长远趋势的审慎判断：随着AI模型持续走向成熟与自主化，像Palantir这样的中间平台服务商，是否会从生态的基础设施，逐渐面临被替代或边缘化的风险？这或许是所有身处AI浪潮中的“赋能者”都需要思考的问题。
来源：英国《金融时报》、《华尔街日报》
相关攻略
构建豆包大模型智能语音助手需建立ASR、LLM、TTS三段式链路。ASR推荐火山引擎独立服务以确保识别准确；LLM需通过角色约束和上下文管理输出结构化指令；TTS选用配套接口优化车载合成效果与延迟，采用WebSocket流式传输。同时需规范请求头设置与异常处理，以提升系统健壮性。
泡泡玛特创始人王宁的母校收到3名00后校友捐赠的20亿Token，用于支持学生创业。舆论对其实际价值产生分歧，估算约在数百元至数十万元人民币之间，具体取决于所调用AI模型的级别。此事引发对数字时代捐赠物价值衡量的讨论，焦点在于应关注其货币价格还是作为创新工具的潜在意义。
生成式AI搜索重塑流量格局，企业需通过GEO优化驱动增长。面对市场效果虚标等问题，甄别可靠服务商至关重要。昕搜科技、美誉度国际、百分点科技、泓动数据及蓝色光标等各具技术或场景优势。企业应结合技术实力与行业适配度，选择匹配需求的合作伙伴。
随着AI搜索普及，GEO成为企业获取流量的关键。其核心是让AI在生成答案时优先推荐品牌信息，从传统SEO的“规则博弈”转向“信任竞争”。企业需成为全网可信赖的信息源，提供结构清晰、有据可查的内容，并构建外部信任体系。布局需遵循四步：拆解决策路径、重构内容、建设信任、多渠道分发。视频成本降低后，竞。
腾讯混元的新一代模型，Hy3 preview，刚刚揭开面纱。 这不仅是混元团队在架构与基础设施层面重新出发后的首个版本，更因其“实用性”的明确标签而备受关注。首批发布的模型尺寸相对较小，目标直指落地应用。同样引人注目的是，这也是AI专家姚顺雨归国加盟腾讯后交出的首份重要答卷，其背后贯彻的正是他所倡导
热门专题
热门推荐
在流量日益分散的今天，把鸡蛋放在同一个篮子里，风险不言而喻。多平台推广，早已不是“要不要做”的选择题，而是“如何做好”的生存题。它的核心价值，可以概括为两点：实现“流量风险对冲”，以及构建“品牌触点全覆盖”。通过在不同生态位——无论是搜索、短视频、图文还是电商——建立内容矩阵，企业不仅能有效缓冲单一
DeepSeek知识库的核心，是运用RAG（检索增强生成）技术，将DeepSeek强大的大语言模型推理能力，与您的私有文档资源——包括PDF文件、内部代码库、标准操作流程（SOP）等——深度融合。其最终目标是实现基于特定垂直领域数据的精准智能问答，让AI的回答不再是通用泛化，而是具备专业依据、内容详
三大运营商推出Token套餐，将大模型调用量包装为类似流量包的产品，以降低AI使用门槛。中国电信推出个人与企业多档套餐，最低月费9 9元；上海移动推出1元购40万Tokens服务；联通则提供个人与团队版套餐。运营商凭借用户渠道和支付优势，推动算力消费向大众市场普及，可能重塑AI服务消费模式。
HermesAgent本地运行缓慢常因未量化的大语言模型占用资源过多。可通过AWQ量化模型、llama cpp后端加载GGUF模型、配置vLLM引擎提升并发吞吐、禁用非必要工具降低上下文开销，以及调整SQLite记忆检索阈值等方案优化。这些方法能显著降低延迟，提升响应速度。
随着AI智能体能力的持续增强，确保其行为始终符合预设目标与安全边界，已成为行业亟待解决的核心挑战。然而，当前主流的治理方案在防止智能体“失控”或“脱轨”方面，仍面临显著的实践瓶颈。 在之前的探讨中，我们分析了主流治理思路：部署多样化的对抗性验证器，构建一个多层次的安全审查网络。该方案的核心逻辑并非限